提出一种将互信息特征选择、深度学习和残差滑动窗口分析相结合的风机齿轮箱轴承故障预警方法。首先,对风电场SCADA数据进行预处理,采用互信息法筛选与齿轮箱轴承温度关联度高的特征。在此基础上,依据所选特征建立长短期记忆神经网络(LSTM)深度学习模型对齿轮箱轴承温度进行预测,并通过滑动窗口对预测残差进行分析处理,设定合适的报警阈值和规则。以西北某风电场现场数据对提出的方法进行验证,结果表明该方法可以对风机齿轮箱轴承故障进行有效预警。
科研之友
微信
新浪微博
Facebook
分享链接
